Arboles de decision ejercicios resueltos

Árbol de decisiones grado 6

El análisis de árboles de decisión es una herramienta general de modelización predictiva que tiene aplicaciones en diferentes ámbitos. En general, los árboles de decisión se construyen mediante un enfoque algorítmico que identifica formas de dividir un conjunto de datos en función de diferentes condiciones. Es uno de los métodos más utilizados y prácticos para el aprendizaje supervisado. Los árboles de decisión son un método de aprendizaje supervisado no paramétrico que se utiliza tanto para tareas de clasificación como de regresión. El objetivo es crear un modelo que prediga el valor de una variable objetivo mediante el aprendizaje de reglas de decisión simples inferidas a partir de las características de los datos.

Un árbol de decisión es un gráfico en forma de árbol en el que los nodos representan el lugar donde elegimos un atributo y formulamos una pregunta; las aristas representan las respuestas a la pregunta; y las hojas representan la salida real o la etiqueta de clase. Se utilizan en la toma de decisiones no lineales con una superficie de decisión lineal simple.

Los árboles de decisión clasifican los ejemplos ordenándolos en el árbol desde la raíz hasta algún nodo de la hoja, y el nodo de la hoja proporciona la clasificación al ejemplo. Cada nodo del árbol actúa como un caso de prueba para algún atributo, y cada arista que desciende de ese nodo corresponde a una de las posibles respuestas al caso de prueba. Este proceso es de naturaleza recursiva y se repite para cada subárbol enraizado en los nuevos nodos.

Preguntas del examen del árbol de decisiones

Solía jugar a un sencillo juego con mi hija cuando estaba en la escuela primaria. Ella tenía que elegir un animal y yo tenía que adivinarlo haciéndole una serie de preguntas como «¿Puede trepar a un árbol?» o «¿Corre rápido?

o «¿Corre rápido?» y ella respondía con un simple «sí» o «no». La puntuación es mayor si se responde correctamente en el menor número de preguntas. Es un juego educativo divertido y puede enseñar incluso a los adultos un par de cosas sobre el pensamiento fuera de lo común.

Este sencillo juego se parece mucho a la forma en que los humanos solemos pensar en el proceso de eliminar resultados alternativos y decidir la conclusión final cuando nos enfrentamos a una decisión importante. La única diferencia es que las alternativas y las preguntas

no son tan sencillas cuando creces. Ese juego representa prácticamente lo que llamamos estructuras lógicas de árbol de decisiones. Todo el juego puede representarse en forma de un árbol de decisión realmente grande con un gran número de nodos de hoja, pero el

Se ha hablado mucho de los árboles de decisión y de sus primos cercanos, los diagramas de flujo. Los árboles de decisión se han vuelto tan omnipresentes que a veces ni siquiera nos damos cuenta de que estamos recorriendo un árbol de decisión en ese momento, es decir, encuentra tu propia aventura

Ejemplos de árboles de decisión de la vida real

(a) Una inversión a gran escala (A) para mejorar sus pisos. Esto podría producir un beneficio sustancial en términos de aumento de los ingresos netos de los costes, pero requerirá una inversión de 1.400.000 libras. Tras un exhaustivo estudio de mercado, se considera que hay un 40% de posibilidades de obtener un beneficio de 2.500.000 libras, pero hay un 60% de posibilidades de que sea sólo de 800.000 libras.

(b) Un proyecto a menor escala (B) para redecorar su local. Con 500.000 libras es menos costoso, pero producirá un beneficio menor. Los datos de la investigación sugieren una probabilidad del 30% de obtener una ganancia de 1.000.000 de libras, pero una probabilidad del 70% de que sólo sea de 500.000 libras.

(c) Continuar con la operación actual sin cambios (C). No costará nada, pero tampoco producirá ninguna ganancia. Los clientes estarán descontentos y cada vez será más difícil alquilar los pisos cuando queden libres.

Las opciones terminan con los posibles resultados, por lo que se marcan con un círculo. En este caso hay dos resultados posibles para las opciones de inversión y sólo uno para la opción «tal cual». Añade todos los datos a este diagrama.

Problemas de práctica de árboles de decisión

Es una de las herramientas más utilizadas en ML para el análisis predictivo. Ejemplos de uso de los árboles de decisión son: predecir un correo electrónico como spam o no spam, predecir si un tumor es canceroso o no.

Primero se crea un modelo con datos de entrenamiento y luego se utiliza un conjunto de datos de validación para verificar y mejorar el modelo. R tiene muchos paquetes, como ctree, rpart, tree, etc., que se utilizan para crear y visualizar árboles de decisión.

El algoritmo de árbol de decisión segrega inicialmente a los estudiantes basándose en todos los valores de tres variables (Género, Clase y Altura) e identifica la variable que crea los mejores conjuntos homogéneos de estudiantes (que son heterogéneos entre sí).

Existen varios algoritmos de árboles de decisión. Tenemos que elegirlos en función de nuestro conjunto de datos. Si la variable dependiente es categórica, entonces tenemos que utilizar un árbol de decisión de variable categórica. Si la variable dependiente es continua, tenemos que utilizar un árbol de decisión de variables continuas.

El árbol de clasificación busca a través de cada variable dependiente para encontrar una única variable que divida los datos en dos o más grupos y este proceso se repite hasta que se invoque el criterio de parada.